面向分布式计算的隐私保护研究

发布时间：2024-02-19 14:45

　　随着智能设备的普及,越来越多有价值的数据产生了,对这些数据进行收集和分析具有重要意义。数据量的快速增长使得传统的集中式分析和计算框架受到极大挑战。分布式计算是一种有效的替代计算框架,其中多个服务器集群协作完成一个大规模数据分析任务,不仅缓解了集中式计算中的单点资源瓶颈问题,且具有更高的可扩展性和对故障的鲁棒性。近年来,这一计算框架在工业界和学术界均得到了广泛关注,各国也纷纷出台了相关政策以推动其发展。分布式计算所用数据包含了大量敏感信息,而现有系统存在保护力度不足的情况,导致当前敏感信息泄露形势十分严峻,亟需开展相应的隐私保护研究以减少隐私泄露。尽管分布式计算有较多应用场景,但其中多数可划分为统计信息计算和机器学习两类,且其他任务计算可通过整合上述两类计算方法完成,因此本文主要针对以上两类分布式计算任务设计隐私保护方法。现有研究工作存在一些不足和待解决的问题,主要有以下四个方面:1)尚缺乏提供可靠隐私保护的分布式最大值计算方法;2)在隐私保护的分布式平均值计算问题中,隐私损失的动态性和保护的异构性研究不足;3)保隐私分布式机器学习迭代过程中的隐私损失累积分析不足;4)针对保隐私分布式计...

【文章页数】：156 页

【学位级别】：博士

【部分图文】：

图１．２本文组织结构图??

＞??，?Ｉ?．?，??Ｉ?Ｉ?＾??保隐私统计分析?保隐私机器学习＿?保隐私性能优化??（第２、３章）?（第４章）?（＃５聋＞??Ｉ?Ｉ???——－４＾?古?ｖ?ｖ．?Ｘ??Ｉ?｜??Ｉ隐私保护分布式?隐私保护分布式?隱私保护分布式?保隐私分布式计??Ｉ?最大值计算?平均值计算....

图２．１服务器的状态迭代??

?隐私保护的分布式最人值计算???１００?＾?，????－??￥??ｆ??２０，?－??〇１?１?？?？－???５?１０?１５?２０??Ｉｔｅｒａｔｉｏｎｓ??图２．１服务器的状态迭代??２．５．２收敛时间??这一小节主要验证网络规模ｎ，隐私保护程度ｅ和网络连通性对ＤＰＭＣ算法收....

图２．２在连通拓扑和未连通拓扑下服务器状态的迭代过程??

论文???４００?＾ｐ７?３〇０＂＂＂＇?４００?＾Ｐ?＾?５：，ｂ＾＾ｈｚ?．??ａｏｏｉ＾ｙｙ?ｉ?？?３００?？??１?ｍ?４ｓｏ?ｉｉ—－－ｉｒ＾８?１?ｍＪ?？?？?－，?１８??２００?？?２００?？??１００?Ｐ?？?１００Ｍ?－??ｃ＾?？???＊??０＾?？?？....

图２．３不同参数变化时的收敛概率??

ｒｅｔｉｃａｌ?■■■?Ｔｈｅｏｒｅｔｉｃａｌ?Ｉ?ｍ?ｌｌ?ｌｌ??［?Ｕ?Ｓｉｍｕｌａｔｅｄ?ｌ?Ｉ?Ｓｉｍｕｌａｔｅｄ?｜??０．８?０．８?■?？??＾?０．６?含?０．６?？??３?５?ｉ?：?！?＊?ｊ??ｓ?ｓ??＾?０．４?｜?＾?０．４?？??］??０．２?Ｉ?....

本文编号：3902864